該研究以印度班加羅爾Manipal醫院的多學(xué)科診療團隊（Manipalmultidisciplinarytumorboard，MMDT）為參考，選擇638例乳腺癌病例供Watson分析。

　　所有納入的乳腺癌都為MMDT過(guò)去3年所收治，包括514例局部和124例轉移患者。收集患者的治療推薦和相關(guān)的臨床病理數據并輸入Watson。記錄Watson給出的治療推薦，數據錄入的時(shí)間，以及從分析數據到給出推薦的時(shí)間。

　　按照不同顏色將Watson給出的治療建議分為三類(lèi)：其中綠色表示標準推薦治療（REC），橙色表示供參考（FC），紅色表示不推薦（NREC）。根據不同的腫瘤分期和受體狀態(tài)對MMDT和Watson治療建議的一致性進(jìn)行評價(jià)。

　　主要結果

　　按照Watson的標準，MMDT給出的治療建議中REC占46.4%，FC占26.1%，NREC占21.5%，將近73%的治療推薦屬于Watson版的標準推薦治療（REC）和供參考（FC）。然而MMDT的治療建議有6%不在Watson版中。

　　以MMDT為參照，在非轉移性腫瘤病例中Watson所給治療推薦的一致性接近80%，在轉移性疾病中則只有45%；

　　根據受體狀態(tài)亞組分析，同樣以MMDT為參照，三陰性乳腺癌病例中Watson所給治療推薦的一致性為67.9%，而HER2陰性病例中僅有35%；

　　對于所有亞組（按受體狀態(tài)），非轉移性疾病中機器與人類(lèi)專(zhuān)家的一致性明顯優(yōu)于轉移性疾病。

　　研究者表示，Watson和人類(lèi)專(zhuān)家之間的意見(jiàn)分歧可能是HER2陰性乳腺癌的治療選擇多樣。依據HER2狀態(tài)需要考慮的治療和變量太多，這就需要人類(lèi)的思考能力。而病例越復雜，則治療推薦的差異也就越多。

　　在用時(shí)方面，雖然人類(lèi)專(zhuān)家可通過(guò)增加經(jīng)驗提升工作效率，但還是需要花更長(cháng)時(shí)間去思考可用的治療并形成推薦意見(jiàn)。起初，醫生需要平均20分鐘時(shí)間給出治療建議，提高后時(shí)間縮短為平均12分鐘；而轉移性疾病所要花的時(shí)間比局部疾病長(cháng)5~7分鐘。

　　與之形成鮮明對比的是，Watson從提取分析數據到給出治療建議平均只要40秒。

　　人工智能與人類(lèi)

　　Watson在標準推薦治療（REC）和供參考（FC）兩種意見(jiàn)上與印度腫瘤多學(xué)科專(zhuān)家團隊的符合率達到73%，然而在轉移性疾病和HER2陰性患者上仍有很大的改進(jìn)空間。

　　WatsonforOncology是腫瘤人工智能診療領(lǐng)域的代表，雖應用前景廣闊但短時(shí)間內無(wú)法替代醫生的角色，只能作為一種診療參考。在處理信息的速度上，Watson遠遠超過(guò)人類(lèi)，但診療活動(dòng)可不是給出一個(gè)建議那么簡(jiǎn)單。

　　一方面，患者都是獨立的個(gè)體，有自己獨特性，醫患之間的溝通交流和醫生給予的人文關(guān)懷對腫瘤的治療至關(guān)重要，這遠超一般意義的“數據分析”。另一方面，在復雜疾?。ㄈ甾D移）的處理上，Watson更傾向于以最佳的可用證據為基礎提出建議，而醫生則可能會(huì )考慮大劑量化療迅速緩解癥狀等措施，后者的評估更靈活。

　　IBMWatsonforOncology是個(gè)體化治療的重要一步，但應謹記：人工智能雖然能改善診療質(zhì)量，提供更多的參考信息，然而現階段只能作為診療的輔助工具，無(wú)法替代醫生和患者在醫療活動(dòng)中的主導性地位。